《粗糙集属性约简和聚类算法及其在电力自动化中的应用研究》由会员分享，可在线阅读，更多相关《粗糙集属性约简和聚类算法及其在电力自动化中的应用研究（96页珍藏版）》请在金锄头文库上搜索。
1、华中科技大学 博士学位论文 粗糙集属性约简和聚类算法及其在电力自动化中的应用研究 姓名：马君华 申请学位级别：博士 专业：计算机软件与理论 指导教师：卢炎生 2010-05 华 中 科 技 大 学 博 士 学 位 论 文华 中 科 技 大 学 博 士 学 位 论 文 I 摘摘 要要 数据挖掘（Data Mining,DM）是一种新兴的数据分析方法，它可以帮助人们充 分应用数据中所蕴涵的信息，成为人工智能研究中非常活跃的领域。粗糙集是一种 处理模糊和不确定知识的理论，聚类分析在没有先验知识时发现数据的规律，为人 们提供了新的数据分类的方法。虽然在粗糙集和聚类分析方面有很多理论和方法产 生，但由于
2、数据对象的千变万化，需要我们不断对这些技术进行完善，以满足应用 的需要。 在研究粗糙集关联影响度的基本概念和性质的基础上，通过分析属性之间的相 互影响，建立属性的关联影响度矩阵，以属性的关联影响度作为启发条件，有效地 删除冗余属性，获得能反映出属性之间相互影响的约简集。实验表明，基于关联影 响度的属性约简算法可以得到关联影响度较大的属性组成的约简集。这种概念拓宽 了粗糙集的应用范围，为数据挖掘提供了新的方法。 在粗糙集关联影响概念的基础上，对基于关联影响属性动态约简的概念和算法 进行了研究， 通过计算粗糙集中样本的激活状态( )U和睡眠状态( )U对属性约简集 的影响，在( )( )UU时，从
3、约简集中将冗余的属性删除，在( )( )UU时， 将必要的属性增加到约简集，这些算法和概念是有利于描述事物状态转换的方法。 智能监控系统是工业自动化控制的核心，粗糙集理论为它提供了切实可行的实 时决策规则，基于实时性的属性约简算法将弱实时性属性删除，保留强实时性约简 集，以保证决策系统的实时性指标，该算法使粗糙集在实时决策系统的应用更加广 泛。 属性分类的约简算法能满足决策表中条件属性的分类要求，该算法按照分类函 数对条件属性进行分类计算后，将次要的属性子集删除，求得属性分类约简集。实 验表明，该算法能够在原决策能力不变的情况下，有效地删除部分属性，解决了属 华 中 科 技 大 学 博 士 学
4、 位 论 文华 中 科 技 大 学 博 士 学 位 论 文 II 性分类的问题。 将所研究的属性约简算法应用到配电网故障诊断和电网连锁故障诊断预警系统 中。在分析和研究配电网故障诊断系统的属性选择和规则产生方法的基础上，将实 时性属性约简、属性分类约简算法应用到配电网故障诊断系统中。通过电工理论计 算电网连锁故障诊断预警系统的属性值，求出负荷转移情况下属性之间相互产生的 关联影响以及线路的故障度。通过关联影响属性约简算法的应用，观察属性的变化， 达到预测故障、及时排除故障的目的。 调和聚类分类算法，用于解决分类和聚类不一致的问题。它通过计算调和矩阵， 计算聚类分类是否一致，通过对调和矩阵的不断
5、修正，对聚类和分类的结果进行有 效的协调，以达到最大程度上的一致。在电力负荷预测的应用中，该算法具有广泛 的适用性，可以应用于其它分类和聚类不一致的场合。 以上对数据挖掘进行的研究，经过模拟、试验和算例验证了算法的有效性，具有 重要的理论意义和应用价值。 关键词：关联影响度 调和聚类分类 实时性 故障诊断 属性分类 故障预警 华 中 科 技 大 学 博 士 学 位 论 文华 中 科 技 大 学 博 士 学 位 论 文 III ABSTRACT Data mining is an innovated method of data analysis. It can help people maxi
6、mize the useful information included in tremendous data, which has become active in artificial intelligence field. Rough set theory is a theory adopted to deal with rough and uncertain knowledge, which analyzes the clusters and finds the data principles when previous knowledge is not available, prov
7、iding a new method for data classification. Although there are numerous methods of rough set and cluster analysis, as the data objects is changing continuously, we have to improve these relevant technologies over time, and propose creative theory in response, meeting the demands of application. This
8、 paper proposes the basic conceptions and attributes of relevant influences in rough set and study the interactions between different attributes, presenting a attributes reduction algorithm based on relevant influences. Through the matrix of relevant influences of attributes, making the relevant inf
9、luences of attributes as inspiring prerequisite, we effectively delete redundant attributes to gain the reduced sets which reflects the interaction of different attributes. As proved by experiments, the algorithm could obtain the reduction sets composed of attributes with high relevant influences. T
10、his conception expands the application range of rough set, presenting a new method for data mining. Based on the conceptions of relevant influences of rough set, we study dynamic reduction conceptions and methods on the basis of relevant influenced attributes, and calculate the effects of activation
11、 state( )U and dormancy state ( )Uin rough set samples on the attributes reduction sets, when ( )( )UU, reduce the redundant attributes from reduction sets, while ( )( )UU, add the indispensible attributes to the reduction sets, enabling the exchanges of event states be described more effectively by
12、 rough sets. This method compensates the deficiency of the previous methods that rough set could only describe static objects. As intelligence supervising system is the core of industrial automatic control, rough set theory has provided practicable real time decision principles, deducting the weak r
13、eal time attributes and retaining strong real time ones, to ensure the real time principle of the decision system. The real time method of attributes reduction proposed by this paper has expanded the application of rough set in real time decision systems. 华 中 科 技 大 学 博 士 学 位 论 文华 中 科 技 大 学 博 士 学 位 论
14、 文 IV As to the requirements of classification of conditional attributes in decision tables, this paper proposes a reduction algorithm on the basis of attributes classification, which first conducts classification calculation on conditional attributes according to classification functions, then dele
15、tes the less important subsets, concluding the classified reduction sets of attributes. As experiments have proved, maintaining the original decision ability constant, this algorithm could deduct parts of the attributes effectively and solves the attributes classification problems. We have applied o
16、ur algorithm of attributes classification to the failure diagnosis of electric distribution network and early warning systems of electric interlock network. Studied the attributes choices and rules generation methods of failure diagnosis of electric distribution network, we employed real time attributes reduction and attributes classification reduction to the failure diagnosis systems of electric distribution network. Through calculation of the values of attributes of failure d
